Modelle mit Tags und Beschreibungen versehen
Annotieren Sie Modelle, damit Teammitglieder ihren jeweiligen Zweck kennen.
Modelle mit Tags und Beschreibungen versehen ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Metadaten liefern Kontext
Ein Modellname und eine Versionsnummer sagen Ihnen, was vorhanden ist, aber nicht warum. Metadata wie Tags und Beschreibungen liefert den Kontext, den Teammitglieder benötigen, um einem Modell zu vertrauen. 🏷️
Was ein Tag ist
Ein tag ist ein Schlüssel-Wert-Paar, das Sie an ein Modell oder eine Version anhängen. Stellen Sie sich einfache Bezeichnungen wie team=fraud oder framework=sklearn vor, nach denen Sie später filtern können.
Das gesamte Modell taggen
Einige Angaben gelten für jede Version, etwa das zuständige Team. Legen Sie sie am registrierten Modell selbst fest, damit sie über alle Versionen hinweg gleich bleiben.
c.set_registered_model_tag(
"churn-classifier", "team", "growth")Eine einzelne Version taggen
Andere Angaben sind versionsspezifisch, etwa mit welchem Datensatz das Modell trainiert wurde. Taggen Sie die genaue Version, damit jede Version ihre eigene Herkunftsinformation trägt.
c.set_model_version_tag(
"churn-classifier", 4,
"dataset", "2024-q3")Beschreibungen erzählen die Geschichte
Eine description ist ein Freitext für Menschen. Verwenden Sie sie, um zu erläutern, was das Modell vorhersagt, wer dafür verantwortlich ist und welche wichtigen Einschränkungen gelten.
Das Modell beschreiben
Legen Sie auf Modellebene eine Beschreibung als kurze Leitlinie fest: Zweck und vorgesehene Verwendung, damit jeder, der die Seite aufruft, dies sofort versteht.
c.update_registered_model(
"churn-classifier",
description="Predicts 30-day churn.")Eine Version beschreiben
Jede Version kann eigene Notizen enthalten, etwa zu den Änderungen seit der letzten Version. Halten Sie das neue Feature oder die Fehlerbehebung fest, die diesen Release ausgelöst hat.
c.update_model_version(
"churn-classifier", 4,
description="Added tenure feature.")Tags ermöglichen die Suche
Der eigentliche Nutzen von Tags liegt in der Suche. Mit einer Filterzeichenfolge können Sie jedes Modell auflisten, das einem Team gehört oder mit einem bestimmten Framework erstellt wurde.
c.search_registered_models(
"tags.team = 'growth'")Schlüssel konsistent halten
Legen Sie im Team eine Konvention für Tag-Schlüssel fest. Wenn Sie owner und team oder env und stage mischen, finden Filter nicht die Modelle, die Sie eigentlich suchen.
Tags sind keine Stages
Ein Tag ist lediglich eine Bezeichnung; er ändert niemals, was bereitgestellt wird. Das Setzen von env=prod als Tag führt kein Modell in die Produktion über – das geschieht nur durch einen Stage-Übergang.
Metadaten auslesen
Beim Inspizieren einer Version werden deren Tags und Beschreibung im Code zurückgegeben. Dadurch können Pipelines Entscheidungen auf Grundlage der von Ihnen gesetzten Bezeichnungen treffen.
mv = c.get_model_version("churn-classifier", 4)
print(mv.tags, mv.description)Schnelltest
Wählen Sie die Information aus, die am besten auf einer einzelnen Version gespeichert wird.
Zusammenfassung
Tags und Beschreibungen machen aus einer schlichten Registry einen durchsuchbaren, sich selbst dokumentierenden Katalog. Ihr zukünftiges Ich und Ihre Teammitglieder werden es Ihnen danken. 🙌
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Modelle mit Tags und Beschreibungen versehen“ kostenlos?
Ja — der vollständige Text von „Modelle mit Tags und Beschreibungen versehen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Modelle mit Tags und Beschreibungen versehen“?
Annotieren Sie Modelle, damit Teammitglieder ihren jeweiligen Zweck kennen. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Modelle mit Tags und Beschreibungen versehen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Ihre erste Modellversion registrieren
- Stufen: Staging, Production, Archived
- Modelle mit Tags und Beschreibungen versehen
- Ein Modell nach Name und Stufe laden